車載網(wǎng)中路由算法研究.pdf

1、近幾年，隨著云計算，大數(shù)據(jù)等新興技術(shù)的發(fā)展，智慧城市、智能交通等概念也走進人們的視野。車載網(wǎng)以其獨特的魅力和廣闊的市場前景吸引人們的目光。因此，針對車載網(wǎng)路由算法的研究也成為了一個熱點。本文結(jié)合車載網(wǎng)自身的特點，分析了Q-Learning，蟻群算法和模糊邏輯推理，以及目前存在的一些路由算法。針對一些算法的缺點，得到改進方法，并通過仿真實驗證明，改進后的算法的可行性。
　　本文研究了Q-Learning和蟻群算法在車載網(wǎng)路由算法中的

2、應用。分析Q-ABR算法，指出其信息素更新方式的不足之處，在此基礎上提出信息素更新的改進方法。針對算法設計和建模過程中沒有考慮路由回路產(chǎn)生，路由出錯處理機制的問題，重新設計算法流程，彌補算法設計的不足使其更適用于車載網(wǎng)的環(huán)境，并重新對該算法建模。隨后，文中分析了AODV算法，指出采用跳數(shù)作為鏈路度量尋找最短路徑的不足之處?？紤]車載網(wǎng)的特點，利用模糊邏輯估計兩個節(jié)點之間的鏈路質(zhì)量，對Q-Learning進行改進。改變傳統(tǒng)Q-Learnin

3、g中折扣率不能根據(jù)具體的實際情況發(fā)生自適應變化的缺點。利用模糊邏輯估計鏈路質(zhì)量并用得到的值替代Q-Learning中的折扣率。用Q-Learning算法對AODV算法進行改進，同時重新對該算法進行建模。文中分析了車載網(wǎng)中負載均衡的問題和AD-AODV負載均衡算法的不足之處。指出 AD-AODV算法采用的鏈路度量方式的缺陷，針對該問題提出新的鏈路代價函數(shù)。同時對AODV算法進行改進，以實現(xiàn)負載均衡的策略并對改進后的算法重新建模。仿真實驗結(jié)